基于復(fù)雜網(wǎng)絡(luò)的協(xié)同輿情演化模型研究

孫士保 張亞楠 張京山 章 沖

(河南科技大學(xué)信息工程學(xué)院 河南 洛陽(yáng) 471023)

基于復(fù)雜網(wǎng)絡(luò)的協(xié)同輿情演化模型研究

孫士保 張亞楠 張京山 章 沖

(河南科技大學(xué)信息工程學(xué)院 河南 洛陽(yáng) 471023)

針對(duì)輿情傳播中人際關(guān)系網(wǎng)絡(luò)的復(fù)雜性和個(gè)體鄰域的異質(zhì)性，建立可變聚類系數(shù)的無(wú)標(biāo)度網(wǎng)絡(luò)，在此基礎(chǔ)上構(gòu)建了協(xié)同輿情演化模型。通過(guò)不同參數(shù)下的仿真實(shí)驗(yàn)，分別討論了序參量和網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)系統(tǒng)磁化率的影響。實(shí)驗(yàn)結(jié)果表明，序參量更能體現(xiàn)輿情系統(tǒng)的協(xié)同效應(yīng)，比較符合網(wǎng)絡(luò)輿情演化的實(shí)際情況。此外，當(dāng)網(wǎng)絡(luò)平均度較小時(shí)，提高聚類系數(shù)可以有效抑制輿情的傳播；當(dāng)平均度超過(guò)臨界值時(shí)，將促使系統(tǒng)迅速收斂于極端態(tài)度，此時(shí)聚類系數(shù)不再起關(guān)鍵作用。研究結(jié)果有助于理解輿情的演化規(guī)律，為導(dǎo)控輿情發(fā)展提供了理論參考。

輿情演化 復(fù)雜網(wǎng)絡(luò) 協(xié)同效應(yīng) 平均度 聚類系數(shù)

0 引 言

隨著信息技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)憑借其互動(dòng)性、即時(shí)性、隱匿性等特征成為人們獲取信息、相互交流、發(fā)表觀點(diǎn)的重要工具，給輿情的產(chǎn)生和傳播帶來(lái)極大的便利。網(wǎng)絡(luò)輿情作為社會(huì)輿情的重要組成部分，是在各種事件的刺激下，通過(guò)互聯(lián)網(wǎng)傳播的人們對(duì)于該事件的意見(jiàn)傾向、態(tài)度和情感的集合[1]。充分認(rèn)識(shí)網(wǎng)絡(luò)輿情的演化規(guī)律和傳播機(jī)制，有利于社會(huì)管理者更充分地掌握社情民意，對(duì)控制輿情導(dǎo)向、化解輿情危機(jī)具有十分重要的現(xiàn)實(shí)意義。

目前，對(duì)網(wǎng)絡(luò)輿情演化的研究大致可以分為兩類。一類是自底向上的微觀粒子意見(jiàn)動(dòng)力學(xué)模型，主要包括Sznajd模型[2]、Deffuant模型[3]、Hegselmann-Krause模型[4]等。這類模型能充分體現(xiàn)個(gè)體之間意見(jiàn)交互和觀點(diǎn)形成的過(guò)程，但交互規(guī)則過(guò)于簡(jiǎn)單，不能很好地反映輿情演化的真實(shí)情況。另一類是自頂向下的宏觀建模方法，這類模型有傳染病模型[5]，混沌、同步涌現(xiàn)模型[6-7]及協(xié)同輿情模型[8-11]等。協(xié)同學(xué)基于現(xiàn)代數(shù)理科學(xué)，是一種可以定量描述系統(tǒng)從無(wú)序到有序演化規(guī)律的系統(tǒng)理論，已被廣泛應(yīng)用于解決社會(huì)問(wèn)題。Hacken通過(guò)建立社會(huì)輿論模型[8]，解釋了輿論從無(wú)序到有序的協(xié)同現(xiàn)象。曾顯葵[9]將協(xié)同規(guī)則運(yùn)用于元胞自動(dòng)機(jī)的局域五鄰域中，發(fā)現(xiàn)局域相互作用有利于打破某種壓倒性意見(jiàn)的優(yōu)勢(shì)。方薇等[10]將文獻(xiàn)[9]中的五鄰域擴(kuò)展為九鄰域，綜合考慮全局和局域協(xié)同轉(zhuǎn)移概率研究了序參量在輿情傳播中的作用。

互聯(lián)網(wǎng)作為輿情信息的傳播媒介，是典型的社會(huì)復(fù)雜網(wǎng)絡(luò)，對(duì)觀點(diǎn)傳播和輿情演化發(fā)揮著重要作用。文獻(xiàn)[9-10]將個(gè)體同質(zhì)化，元胞鄰域均局限在固定區(qū)域內(nèi)，對(duì)輿情傳播媒介中人際關(guān)系的處理過(guò)于簡(jiǎn)化，忽略了網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)輿情演化的影響。本文將復(fù)雜網(wǎng)絡(luò)理論引入?yún)f(xié)同輿情模型中，擴(kuò)展個(gè)體交互的鄰域結(jié)構(gòu)，建立復(fù)雜網(wǎng)絡(luò)上的協(xié)同輿情演化模型，通過(guò)調(diào)節(jié)平均度和聚類系數(shù)研究網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)輿情演化協(xié)同效應(yīng)的影響。

1 輿情演化網(wǎng)絡(luò)的構(gòu)建

網(wǎng)絡(luò)輿情發(fā)生在互聯(lián)網(wǎng)上，論壇、微博、微信等在線網(wǎng)絡(luò)均是社會(huì)人際關(guān)系在互聯(lián)網(wǎng)上的真實(shí)反映。將個(gè)體鄰居限定在五鄰域或九鄰域范圍內(nèi)，不能很好地反映人際關(guān)系的復(fù)雜性。在輿情信息傳播過(guò)程中，網(wǎng)民個(gè)體之間的交流并不受限于局部地理空間范圍，只和個(gè)體之間是否存在信息連接有關(guān)，具有全局交互特性；而且由于網(wǎng)民的性格、興趣、文化程度、號(hào)召力等存在差異性，每個(gè)網(wǎng)民接觸到的鄰居數(shù)量也是不相同的。

因此，一個(gè)更能反映現(xiàn)實(shí)的網(wǎng)絡(luò)結(jié)構(gòu)是構(gòu)建輿情演化模型的基礎(chǔ)。復(fù)雜網(wǎng)絡(luò)的研究成果表明[12]，社會(huì)人際關(guān)系網(wǎng)絡(luò)介于隨機(jī)網(wǎng)絡(luò)和規(guī)則網(wǎng)絡(luò)之間，具有高聚類特性和無(wú)標(biāo)度特性。為了同時(shí)滿足這兩種特性，本文在Holme&Kim提出的網(wǎng)絡(luò)模型[13]基礎(chǔ)上，將三角形成步驟中節(jié)點(diǎn)的選擇范圍從最近鄰擴(kuò)展到三度鄰域內(nèi)，從而構(gòu)建可變聚類系數(shù)的無(wú)標(biāo)度網(wǎng)絡(luò)作為輿情演化的網(wǎng)絡(luò)載體。這里的三度鄰域即個(gè)體朋友的朋友的朋友，對(duì)應(yīng)于社交網(wǎng)絡(luò)中“他關(guān)注的人同時(shí)關(guān)注了某某”的微關(guān)系。具體的網(wǎng)絡(luò)模型構(gòu)造算法如下：

算法一：

1) 網(wǎng)絡(luò)增長(zhǎng)：從具有m0個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)開(kāi)始，之后每次加入一個(gè)新節(jié)點(diǎn)i，并連接到m個(gè)已存在的節(jié)點(diǎn)上(m≤m0)；

2) 優(yōu)先連接：節(jié)點(diǎn)i與一個(gè)已經(jīng)存在的節(jié)點(diǎn)j相連接的概率為，其中kj為節(jié)點(diǎn)j的度；

3) 三角形成：接著i從j的三度鄰域中隨機(jī)選擇一個(gè)節(jié)點(diǎn)r，并以概率pt做三角連接，如果i和j的鄰居全部連接，則以優(yōu)先連接代替，直到m條邊建立完為止。

該網(wǎng)絡(luò)的聚類系數(shù)與三角形成概率pt成正比，而且度分布滿足冪律特征。圖1給出了網(wǎng)絡(luò)的度分布圖，經(jīng)最小二乘直線擬合后可知度分布近似服從冪律分布，其中a=0.257 7，b=1.903 4，較好地體現(xiàn)了該網(wǎng)絡(luò)度分布的異質(zhì)性。

圖1 可變聚類系數(shù)無(wú)標(biāo)度網(wǎng)絡(luò)的度分布(N=1 000,m0=7,m=4, pt=0.5)

2 基于復(fù)雜網(wǎng)絡(luò)的協(xié)同輿情演化模型

協(xié)同學(xué)研究協(xié)同系統(tǒng)在子系統(tǒng)的相互作用和序參量的驅(qū)動(dòng)下，以自組織形式從無(wú)序演化到時(shí)空有序、功能有序的條件和規(guī)律[8]。網(wǎng)絡(luò)輿情基于復(fù)雜的社會(huì)人際關(guān)系網(wǎng)絡(luò)，從混亂、無(wú)序、不平衡的個(gè)體意見(jiàn)到具有明顯傾向的大眾輿論的涌現(xiàn)，是一個(gè)典型協(xié)同系統(tǒng)的演化過(guò)程。

本模型關(guān)注網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)動(dòng)力學(xué)行為間的協(xié)同效應(yīng)，構(gòu)建復(fù)雜網(wǎng)絡(luò)上的協(xié)同輿情演化模型。由算法一給定輿情演化網(wǎng)絡(luò)G=(V，E)，其中V是節(jié)點(diǎn)集，E是邊集。節(jié)點(diǎn)代表網(wǎng)民個(gè)體，總數(shù)記為N=|V|，邊表示個(gè)體之間的相鄰關(guān)系。進(jìn)一步地，節(jié)點(diǎn)的鄰居關(guān)系可由網(wǎng)絡(luò)鄰接矩陣A給出，A中的第i列向量即表示個(gè)體i的鄰域，記為：Li={aij|aij∈A，j=1,2…,N};aij= 1時(shí)，表示i、j之間存在連接，aij= 0時(shí)，i、j之間沒(méi)有連接。采用離散狀態(tài)集合S={+1, -1}表達(dá)網(wǎng)民對(duì)輿情事件的態(tài)度，si(t)=+1表示個(gè)體i在t時(shí)刻持贊成態(tài)度，si(t)=-1表示個(gè)體i在t時(shí)刻持反對(duì)態(tài)度。

依據(jù)Hacken協(xié)同輿情原理[8]，網(wǎng)民個(gè)體在下一時(shí)刻改變自身狀態(tài)的概率可由下式給定：

(1)

(2)

式(1)、式(2)作為個(gè)體態(tài)度的協(xié)同轉(zhuǎn)移概率，分別表示個(gè)體由贊成狀態(tài)(+1)轉(zhuǎn)向反對(duì)狀態(tài)(-1)和由反對(duì)狀態(tài)(-1)轉(zhuǎn)向贊成狀態(tài)(+1)的概率。式中參數(shù)v、k、h作為輿情協(xié)同演化的序參量，體現(xiàn)著協(xié)同效應(yīng)的強(qiáng)度。其中，v定義為初始自轉(zhuǎn)率，一般取v=0.5；k是指環(huán)境適應(yīng)強(qiáng)度，表示主體對(duì)多數(shù)意見(jiàn)的順從傾向程度，k值越大受輿情環(huán)境的影響越大，k∈[0,10]；h表示個(gè)體對(duì)贊成態(tài)度或反對(duì)態(tài)度的偏好性，h∈[-1,+1]。

與文獻(xiàn)[8-10]不同，這里的輿情不平衡度q被定義為：

(3)

式中,|L|為當(dāng)前節(jié)點(diǎn)鄰域集合的大小，也即節(jié)點(diǎn)在網(wǎng)絡(luò)中的度(每個(gè)節(jié)點(diǎn)的度值并不相同)。n+為鄰域L中持贊成態(tài)度(+1)的網(wǎng)民個(gè)數(shù)，n-為持反對(duì)態(tài)度(-1)的網(wǎng)民個(gè)數(shù)，q∈[-0.5,+0.5]。這里不再考慮局域五鄰域或九鄰域的影響，而是以更能體現(xiàn)協(xié)同系統(tǒng)復(fù)雜性的網(wǎng)絡(luò)鄰接矩陣作為概率影響因素。

為衡量輿情系統(tǒng)整體趨向于贊成或反對(duì)的程度，定義系統(tǒng)t時(shí)刻的磁化率M(t)為：

M(t)=2p+(t)-1

(4)

式中,p+(t)表示t時(shí)刻整個(gè)網(wǎng)絡(luò)空間中持贊成態(tài)度的人員比例。

3 仿真實(shí)驗(yàn)

利用仿真工具M(jìn)atlab R2012b, 采取異步更新的方式對(duì)上述模型進(jìn)行蒙特卡羅仿真，觀察不同參數(shù)設(shè)置下模型的性質(zhì)。為減小偏差，實(shí)驗(yàn)所得結(jié)果均為100次仿真的平均值。仿真實(shí)驗(yàn)主要分為兩部分：首先，驗(yàn)證本模型的合理性和有效性；其次，重點(diǎn)考察網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)系統(tǒng)協(xié)同性的影響，并結(jié)合上一步工作進(jìn)行深入分析。

具體仿真流程如下：

1) 初始化參數(shù)集N、m0、m、pt和p+、v、k、h，其中v取固定值0.5。由算法一生成輿情演化的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)G及其鄰接矩陣A，并對(duì)N個(gè)個(gè)體的初始狀態(tài)按p+:(1-p+)的比例進(jìn)行隨機(jī)分布。仿真步長(zhǎng)T=100，初始時(shí)刻t=0。

2) 每次從G中隨機(jī)選出一個(gè)節(jié)點(diǎn)i，由A求出其鄰域集合Li，再根據(jù)式(3)計(jì)算輿情不平衡度q。此時(shí)，如果si(t)=+1，則由式(1)計(jì)算協(xié)同轉(zhuǎn)移概率P(+1→-1)，并以此概率轉(zhuǎn)變態(tài)度值；如果si(t)=-1，則根據(jù)式(2)計(jì)算的概率轉(zhuǎn)變態(tài)度值。直至G中所有節(jié)點(diǎn)都被選中，這樣的一次遍歷稱為一個(gè)仿真時(shí)步t。

3) 統(tǒng)計(jì)t時(shí)刻持贊成態(tài)度的個(gè)體所占的比例p+(t)，根據(jù)式(4)計(jì)算并記錄t時(shí)刻系統(tǒng)的磁化率M(t)。

4) 重復(fù)執(zhí)行2)、3)，直至達(dá)到預(yù)設(shè)的最大時(shí)間步T。

5) 輸出系統(tǒng)磁化率M隨時(shí)間變化的曲線，仿真結(jié)束。

3.1 序參量對(duì)模型演化的影響

圖2 h=0, k取不同值時(shí)磁化率曲線

圖3 k=2, h取不同值時(shí)磁化率曲線

首先取N=2 500、m0= 7、m=4、pt= 0.5，構(gòu)建輿情演化的網(wǎng)絡(luò)結(jié)構(gòu)。令p+= 0.35，此時(shí)初始磁化率M(t=0)= -0.3，即反對(duì)態(tài)度占主導(dǎo)。設(shè)定h=0時(shí)參數(shù)k∈{0,1,2,3,4,6,8}，k=2時(shí)h∈{0,0.1,0.3,0.5,0.7,0.9}，通過(guò)仿真實(shí)驗(yàn)分別考察不同環(huán)境適應(yīng)強(qiáng)度k和偏好性h下系統(tǒng)磁化率的變化情況，結(jié)果如圖2和圖3所示。

由圖2可知，k取值不同，其磁化率曲線也不同。當(dāng)k≤2時(shí)，系統(tǒng)整體的環(huán)境適應(yīng)度水平都較低，網(wǎng)民個(gè)體受鄰域態(tài)度的影響較小，此時(shí)個(gè)體態(tài)度趨向于自由轉(zhuǎn)變。因此在系統(tǒng)終態(tài)時(shí)，系統(tǒng)磁化率始終在0附近震蕩，并沒(méi)有達(dá)到完全穩(wěn)定。當(dāng)k>2時(shí)，系統(tǒng)呈現(xiàn)出很明顯的相變，磁化率迅速向主流態(tài)度方向靠攏，在第40個(gè)時(shí)間步后，磁化率M基本穩(wěn)定在-0.8與-1之間，整體呈現(xiàn)出強(qiáng)勢(shì)反對(duì)的狀態(tài)。這主要是因?yàn)殡S著k的增大，個(gè)體受環(huán)境影響的概率提高，主流態(tài)度的影響被迅速放大。圖3顯示，當(dāng)h= 0時(shí)，個(gè)體態(tài)度不偏向任何一方，系統(tǒng)磁化率呈現(xiàn)出不確定狀態(tài)；當(dāng)h>0時(shí)，磁化率開(kāi)始朝正向變化，且h越大，磁化率水平越高，h= 0.9時(shí)，磁化率已接近于+1，系統(tǒng)整體趨向于贊成態(tài)度。當(dāng)p+= 0.65時(shí)，與圖2、3情況類似。

上述分析表明，本模型不但能體現(xiàn)序參量對(duì)系統(tǒng)的強(qiáng)化作用，而且表現(xiàn)出了傳統(tǒng)協(xié)同模型所不具備的一些特征。從圖2、圖3中的磁化率曲線可以看出，個(gè)體交互過(guò)程更加激烈，曲線波動(dòng)比較明顯，而造成這種現(xiàn)象的原因主要是個(gè)體鄰居是由滿足冪律度分布的無(wú)標(biāo)度網(wǎng)絡(luò)確定的，體現(xiàn)了輿情環(huán)境中個(gè)體鄰域的異質(zhì)性和交互的全局性。因此，本模型更接近于互聯(lián)網(wǎng)環(huán)境下的輿情演化，充分體現(xiàn)了協(xié)同輿情系統(tǒng)的復(fù)雜性。

3.2 網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)系統(tǒng)磁化率的影響

輿情演化受人際關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)的影響，本節(jié)重點(diǎn)考察平均度和聚類系數(shù)C在輿情協(xié)同演化中的作用。由于復(fù)雜系統(tǒng)往往在相變點(diǎn)附近產(chǎn)生一些奇特的現(xiàn)象[8]，這里不妨令k、h取相變點(diǎn)處的值，即k=2、h=0。同時(shí)設(shè)定N=1 000、m0= 7、m∈{2,3,4,5，6,7}，pt∈{0.1, 0.3, 0.5, 0.7,0.9}，p+依然取0.35。首先，令m分別取2、3、4、5、6、7，根據(jù)算法一生成六種不同平均度的網(wǎng)絡(luò)。在可變聚類系數(shù)無(wú)標(biāo)度網(wǎng)絡(luò)中，≈2m，因此這些網(wǎng)絡(luò)的平均度近似為4、6、8、10、12、14。之后，通過(guò)不同的pt值調(diào)節(jié)各平均度網(wǎng)絡(luò)的聚類系數(shù)，其對(duì)應(yīng)關(guān)系如圖4所示。

圖4顯示，在各平均度網(wǎng)絡(luò)中，網(wǎng)絡(luò)聚類系數(shù)與三角形成概率pt呈現(xiàn)出正相關(guān)關(guān)系。

依次對(duì)不同平均度下的網(wǎng)絡(luò)進(jìn)行仿真實(shí)驗(yàn)，所得結(jié)果如圖5所示。從圖5(a)、(b)、(c)可以看出，當(dāng)平均度≤8時(shí)，隨著聚類系數(shù)的增大，系統(tǒng)磁化率水平卻逐漸降低，這說(shuō)明高聚類系數(shù)對(duì)輿情極化具有一定的阻礙作用。圖5(d)、(e)、(f)顯示，當(dāng)平均度>8時(shí)，系統(tǒng)會(huì)迅速趨于穩(wěn)定狀態(tài)，此時(shí)無(wú)論聚類系數(shù)為多大，系統(tǒng)磁化率均能達(dá)到極值-1。這表明當(dāng)平均度超過(guò)臨界值8時(shí)會(huì)加速系統(tǒng)收斂到極化狀態(tài)，此時(shí)聚類系數(shù)不再對(duì)輿情演化起關(guān)鍵作用。

圖4 不同三角形成概率下網(wǎng)絡(luò)的聚類系數(shù)

(a) =4

(b) =6

(c) =8

(d) =10

(e) =12

(f) =14圖5 不同網(wǎng)絡(luò)平均度下聚類系數(shù)對(duì)磁化率的影響

上述討論基本符合現(xiàn)實(shí)情形：較高的聚類系數(shù)意味著網(wǎng)民鄰居之間的協(xié)同性更高，人與人的關(guān)系更為親密，有利于網(wǎng)民之間加強(qiáng)真誠(chéng)溝通與協(xié)調(diào)合作，在一定程度上增強(qiáng)了輿情信息的透明度，從而將虛假信息限制在一定范圍內(nèi)，抑制了輿情的傳播。但是當(dāng)網(wǎng)民的好友數(shù)量較多，突破某一閾值時(shí)，整個(gè)網(wǎng)絡(luò)就會(huì)變得更加密集，個(gè)體之間的交互頻率也就越高，關(guān)注輿情事件、參與信息傳播的人數(shù)勢(shì)必會(huì)增長(zhǎng)。在這種情況下很容易造成“以訛傳訛”、“三人成虎”的局面，從而加劇謠言等虛假信息的傳播與擴(kuò)散。

3.3 網(wǎng)絡(luò)規(guī)模對(duì)系統(tǒng)磁化率的影響

令p+= 0.35，k=3，h=0.2；并由N∈{400,1 000,2 000,3 000}、m0= 7、m=4、pt= 0.5生成4個(gè)不同規(guī)模的網(wǎng)絡(luò)，進(jìn)一步分析協(xié)同輿情模型在不同規(guī)模的網(wǎng)絡(luò)上的演化情況，結(jié)果如圖6所示。

圖6 網(wǎng)絡(luò)規(guī)模與系統(tǒng)演化的關(guān)系

從圖6可以看出，在其他參數(shù)不變的情況下，網(wǎng)絡(luò)規(guī)模與磁化率大小之間并沒(méi)有相關(guān)性，但卻和系統(tǒng)收斂速度存在正相關(guān)關(guān)系。也即網(wǎng)絡(luò)群體數(shù)量N對(duì)終態(tài)磁化率沒(méi)有影響，它只影響系統(tǒng)收斂到穩(wěn)定狀態(tài)所需要的時(shí)間，且群體規(guī)模N越大，所用時(shí)間越短，收斂速度越快。

4 結(jié) 語(yǔ)

本文綜合考慮輿情傳播的網(wǎng)絡(luò)環(huán)境和個(gè)體交互的異質(zhì)性，建立了更接近實(shí)際情況的可變聚類系數(shù)無(wú)標(biāo)度網(wǎng)絡(luò)，在此基礎(chǔ)上構(gòu)建了網(wǎng)絡(luò)輿情協(xié)同演化模型。通過(guò)理論分析和仿真實(shí)驗(yàn)，從序參量和網(wǎng)絡(luò)結(jié)構(gòu)特征兩個(gè)方面研究了網(wǎng)絡(luò)輿情演化的協(xié)同效應(yīng)，并得出以下結(jié)論：

1) 序參量k、h對(duì)輿情協(xié)同效應(yīng)的影響顯著。演化過(guò)程中，環(huán)境適應(yīng)度k存在一個(gè)相變點(diǎn)，而偏好性h仍然是決定輿情走向的關(guān)鍵因素。此外在異質(zhì)度分布的影響下，系統(tǒng)磁化率振蕩較為明顯，更大程度上反映了輿情系統(tǒng)的協(xié)同效應(yīng)。

2) 網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)系統(tǒng)磁化率起到調(diào)節(jié)作用。當(dāng)網(wǎng)絡(luò)平均度小于臨界值時(shí)，網(wǎng)絡(luò)連接較為稀疏，此時(shí)提高聚類系數(shù)有利于抑制輿情的傳播。當(dāng)平均度超出臨界值時(shí)，網(wǎng)絡(luò)連接變得緊密，此時(shí)增大平均度會(huì)加速磁化率達(dá)到極值，導(dǎo)致系統(tǒng)整體偏向于某種極端態(tài)度，而聚類系數(shù)的影響幾乎消失。

3) 網(wǎng)絡(luò)規(guī)模和系統(tǒng)收斂速度呈正相關(guān)。網(wǎng)絡(luò)規(guī)模越大，達(dá)到穩(wěn)定的時(shí)間越短，收斂速度越快。

根據(jù)以上結(jié)論，可以給出以下網(wǎng)絡(luò)輿情管理和疏導(dǎo)的具體建議：

1) 在輿情形成期，政府部門應(yīng)及時(shí)抓住引導(dǎo)輿情的主動(dòng)權(quán)，調(diào)查事件真相，提高信息透明度，消除民眾疑慮，將危害降到最低。

2) 在輿情高漲期，可以通過(guò)網(wǎng)絡(luò)爬蟲(chóng)、分詞、情感分析等技術(shù)手段抽象出輿情傳播的網(wǎng)絡(luò)結(jié)構(gòu)、量化輿情參與者的意見(jiàn)傾向。如果發(fā)現(xiàn)網(wǎng)絡(luò)的平均度較小，則可適當(dāng)提高網(wǎng)絡(luò)聚類系數(shù)，將虛假輿情信息限制在一定范圍內(nèi)。更具體地，可以通過(guò)建立互聯(lián)網(wǎng)信用體系，推進(jìn)互聯(lián)網(wǎng)實(shí)名制，以此促進(jìn)網(wǎng)民好友之間增強(qiáng)互信、協(xié)調(diào)溝通，提高信息交互的透明性。如果網(wǎng)絡(luò)的平均度較大，則應(yīng)重點(diǎn)關(guān)注社交廣泛的網(wǎng)民群體，限制其發(fā)布或轉(zhuǎn)載危害社會(huì)穩(wěn)定的虛假言論。同時(shí)應(yīng)實(shí)時(shí)監(jiān)控活動(dòng)頻繁的異常節(jié)點(diǎn)，防止網(wǎng)絡(luò)水軍推波助瀾。

3) 在輿情消退期，相關(guān)部門要做好民意安撫，提升公眾的滿意度，避免發(fā)生輿情次生事件。

[1] 曾潤(rùn)喜.網(wǎng)絡(luò)輿情信息資源共享研究[J].情報(bào)雜志,2009,28(8):187-191.

[2] Sznajd-WeronK, Sznajd J. Opinion evolution in closed community[J]. International Journal of Modern Physics C,2000,11(6):1157-1165．

[3] Guillaume D, David N, Frederic A. Mixing beliefs among interacting agents[J]. Advances in Complex,2000,3(1):87-98.

[4] Hegselmann R, Krause U. Opinion dynamics and bounded confidence models, analysis, and simulation[J]. Journal of Artificial Societies and Social Simulation,2002, 5(3):1-24.

[5] 游新年,劉群.基于傳染病模型的微博信息傳播預(yù)測(cè)研究[J].計(jì)算機(jī)應(yīng)用與軟件,2016,33(5):53-56.

[6] 魏德志, 陳福集, 鄭小雪. 基于混沌理論和改進(jìn)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情預(yù)測(cè)方法[J]. 物理學(xué)報(bào), 2015, 64(11):44-51.

[7] 張耀峰,肖人彬.基于元胞自動(dòng)機(jī)的網(wǎng)絡(luò)群體事件輿論同步的涌現(xiàn)機(jī)制[J].系統(tǒng)工程理論與實(shí)踐,2014,34(10):2600-2608.

[8] 赫爾曼·哈肯.協(xié)同學(xué)[M].徐錫申,陳式剛,陳雅深,等譯.北京:原子能出版社. 1984:399-402.

[9] 曾顯葵.基于多數(shù)規(guī)則和協(xié)同規(guī)則的元胞自動(dòng)機(jī)輿論傳播模型研究[D].桂林:廣西師范大學(xué),2007.

[10] 方薇,何留進(jìn),宋良圖.因特網(wǎng)上輿情傳播的協(xié)同元胞自動(dòng)機(jī)模型[J].計(jì)算機(jī)應(yīng)用,2012,32(2):399-402.

[11] 方薇,何留進(jìn),宋良圖.因特網(wǎng)上輿情傳播的預(yù)測(cè)建模和仿真研究[J].計(jì)算機(jī)科學(xué),2012,39(2):203-235.

[12] Newman M E, Girvan M. Finding and evaluating community structure in networks[J]. Physical Review E, 2004, 67(2): 6113-6119.

[13] Holme P, Kim B J. Growing scale-free networks with tunable clustering[J]. Physical Review E,2002,65(2):026107.

RESEARCH ON SYNERGISTIC OPINION EVOLUTION MODEL BASED ON COMPLEX NETWORKS

Sun Shibao Zhang Ya’nan Zhang Jingshan Zhang Chong

(CollegeofInformationEngineering,HenanUniversityofScienceandTechnology,Luoyang471023,Henan,China)

Based on the complexity of interpersonal relationship network and the heterogeneity of individual neighborhood, a scale-free network with variable clustering coefficient is established. After that, a collaborative public opinion evolution model is constructed. The influence of the order parameter and network structure on the magnetic susceptibility of the system is discussed through simulation experiments under different parameters. The experimental results show that the order parameter can reflect the synergy effect of the public opinion system, which is more consistent with the actual situation of network public opinion evolution. In addition, when the network average is small, increasing the clustering coefficient can effectively suppress the spread of public opinion; when the average degree exceeds the critical value, will prompt the system to converge to the extreme attitude quickly, then clustering coefficient no longer plays a key role. The results can help to understand the law of evolution of public opinion and provide a theoretical reference for controlling the development of public opinion.

Opinion evolution Complex networks Synergy effect Average degree Clustering coefficient

2016-06-26。國(guó)家自然科學(xué)基金項(xiàng)目(51474095)；河南省重點(diǎn)攻關(guān)項(xiàng)目(152102210277)； 河南省產(chǎn)學(xué)研合作項(xiàng)目(152107000027)；河南省高?？萍紕?chuàng)新團(tuán)隊(duì)支持計(jì)劃項(xiàng)目(17IRTSTHN010)；河南科技大學(xué)科技創(chuàng)新團(tuán)隊(duì)項(xiàng)目(2015XTD011)；河南科技大學(xué)重大產(chǎn)學(xué)研合作培育基金項(xiàng)目(2015ZDCXY03)。孫士保，教授，主研領(lǐng)域：計(jì)算機(jī)網(wǎng)絡(luò)、數(shù)字圖像處理。張亞楠，碩士生。張京山，碩士生。章沖，副教授。

TP393

A

10.3969/j.issn.1000-386x.2017.06.011